整理｜冬梅

上個月，吳恩達團隊針對當(dāng)前 AGI 概念被過度炒作、定義模糊且標(biāo)準(zhǔn)混亂的問題，提出了一套以實際工作能力為核心的新版圖靈測試，旨在重新界定 AGI、校準(zhǔn)行業(yè)與公眾預(yù)期，避免因虛高期待引發(fā) AI 泡沫與行業(yè)寒冬。

該測試讓 AI 或熟練人類在配備網(wǎng)絡(luò)、瀏覽器、Zoom 等常用軟件的電腦環(huán)境中，接受評委設(shè)計的、持續(xù)數(shù)天的真實工作任務(wù)，包含培訓(xùn)、執(zhí)行與反饋環(huán)節(jié)，且任務(wù)內(nèi)容不提前透露，評委可靈活設(shè)計場景；若 AI 能像專業(yè)人類一樣高質(zhì)量完成具備經(jīng)濟價值的工作，即視為通過測試。這一測試相比傳統(tǒng)圖靈測試更貼合現(xiàn)代 AI 目標(biāo)，不再以 “欺騙人類評委” 為標(biāo)準(zhǔn)，而是聚焦真實生產(chǎn)力；同時也優(yōu)于 GPQA、SWE?bench 等固定基準(zhǔn)測試，避免模型被針對性優(yōu)化，能真正檢驗智能的通用性，也與大眾對 AGI 的普遍認知一致。推出這套測試，核心是為了糾正企業(yè)隨意降低 AGI 標(biāo)準(zhǔn)帶來的誤導(dǎo)，減少對學(xué)生、企業(yè)決策者與資本的錯誤影響，通過擠掉概念泡沫，讓行業(yè)回歸理性投入，推動可持續(xù)、有真實價值的技術(shù)落地。

近日，吳恩達參加了一檔播客，談及了新版圖靈測試以及當(dāng)下人工智能發(fā)展的關(guān)鍵議題。訪談沒有停留在技術(shù)炫技與概念炒作，而是直面當(dāng)下行業(yè)最核心的爭議：AGI 到底離我們多遠、大模型規(guī)模化是否走到盡頭、AI 將如何重塑工作與教育、中美 AI 格局如何演變，以及技術(shù)發(fā)展背后的價值與責(zé)任。

吳恩達在訪談中反復(fù)傳遞一個清醒判斷：AI 發(fā)展史上曾出現(xiàn)過幾次 AI 寒冬，正是因為人們過度炒作，期望過高無法兌現(xiàn)，最終投資和關(guān)注度崩塌，這對行業(yè)傷害很大。如今 AI 效果很好、價值巨大，幾乎沒有什么能阻擋它的發(fā)展勢頭。而真正讓人擔(dān)心的問題之一，就是過度炒作導(dǎo)致失望，進而引發(fā)泡沫破裂，這對世界和 AI 領(lǐng)域都不是好事。因此，給 AGI 降溫，是為 AI 行業(yè)實現(xiàn)更可持續(xù)發(fā)展打下基礎(chǔ)。

AGI 原本的標(biāo)準(zhǔn) —— 能完成人類任何智力任務(wù)，是非常高的標(biāo)準(zhǔn)，我們遠未達到。但如果團隊提出更容易實現(xiàn)的定義，就可以宣稱更快達成。我不介意如何定義 AGI，但問題在于，大眾心中的 AGI 就是類人通用智能。當(dāng)不同團隊用不同定義套上 “AGI” 這個詞時，這個詞就失去了意義。

針對行業(yè)熱議的大模型路線，吳恩達強調(diào)：規(guī)模化時代并未結(jié)束，但已不再是唯一路徑。早期 “堆數(shù)據(jù)、堆參數(shù)” 的簡單模式已不可持續(xù)，合成數(shù)據(jù)、強化學(xué)習(xí)、工程化方案正在成為新的關(guān)鍵；同時，更聰明的模型無法直接替代可靠的工作流，在企業(yè)級高可靠場景中，結(jié)構(gòu)化、可控制的智能體工作流，仍是現(xiàn)階段落地的核心。

在最受關(guān)注的就業(yè)沖擊上，他給出冷靜而務(wù)實的結(jié)論：AI 不會大面積取代崗位，但會用 AI 的人，會取代不會用 AI 的人。只有呼叫中心、翻譯、配音等極少數(shù)工作會被近乎完全自動化，絕大多數(shù)職業(yè)只會被 AI 部分賦能。真正的危機不在失業(yè)，而在教育體系跟不上 AI 時代，大量非技術(shù)崗位 —— 營銷、財務(wù)、人力 —— 都急需具備 AI 能力的人才。

關(guān)于中美 AI，吳恩達打破單一 “領(lǐng)先” 敘事：美國在閉源模型上占優(yōu)，中國則在開源與開放權(quán)重模型上走在世界前列，兩國各有所長、多維競爭，共同構(gòu)成全球 AI 最重要的兩極。

訪談最后，吳恩達回歸技術(shù)初心：他做研究、辦教育、投創(chuàng)業(yè)，核心只有兩點 ——讓人類更強大，幫助更多人實現(xiàn)自己的夢想。AI 不是帶來快樂的工具，快樂來自幫助他人的過程；而 AI 的終極意義，是把 “智能” 這種曾經(jīng)昂貴的資源，變成每個人都可使用的能力。

整場對話像一劑 “降溫針”：在狂熱的概念競賽中，吳恩達把 AI 拉回現(xiàn)實 ——不賭 AGI 何時到來，只做當(dāng)下最有價值的事。這不僅是一位行業(yè)領(lǐng)袖的判斷，更是一條更穩(wěn)健、更普惠、更值得期待的 AI 發(fā)展路徑。

以下為完整對話內(nèi)容，經(jīng)由 InfoQ 翻譯及整理：

吳恩達：AGI 短期內(nèi)無法實現(xiàn)

主持人：我一上來就想問問關(guān)于 AGI 這個問題，你幾個小時前剛發(fā)布相關(guān)內(nèi)容，可以從這個話題切入嗎？

吳恩達：就任何合理的 AGI 定義而言，我的答案是：2026 年我們不會實現(xiàn) AGI。除非有人大幅降低 AGI 的標(biāo)準(zhǔn)，才可能有公司宣稱跨過了這個門檻。

主持人：那你如何解釋、定義 AGI？

吳恩達：我最熟悉的 AGI 定義是：能夠完成人類能做的任何智力任務(wù)的 AI?，F(xiàn)在人類可能只需要花幾十個小時，就能學(xué)會一項新技能，比如在森林里開卡車、在呼叫中心接電話并按企業(yè)要求回答問題。這些都是智力任務(wù)，而非體力任務(wù)。要讓 AI 完成這些任務(wù)，目前仍需要工程師投入大量工作，去搭建定制化的 AI 工作流 —— 這本身很有價值，但這并不是大眾心目中的 AGI。雖然我希望有朝一日計算機能在各方面都達到人類智能，但我認為我們離那一天還非常遙遠。

主持人：你今天剛剛提出了一個新版圖靈測試，能解釋一下你的設(shè)想嗎？

吳恩達：我對此很期待。因為 AGI 現(xiàn)在被炒得太熱，已經(jīng)從一個嚴謹?shù)募夹g(shù)概念變成了營銷術(shù)語，這在誤導(dǎo)很多人。既然大家都關(guān)注 AGI、為之興奮，那我們不如設(shè)計一個測試，來判斷我們到底有沒有接近 AGI。我把它叫做實用 AGI 測試：讓人類評委設(shè)計一個持續(xù)數(shù)天的任務(wù)流程，比如通過電腦進行入職培訓(xùn)等；測試對象要么是 AI，要么是可以使用電腦、瀏覽器、Zoom 等普通軟件的人類。如果在幾天的過程中，AI 能夠像一名熟練的專業(yè)人類一樣，完成有經(jīng)濟價值的實際工作，在我看來這才是更合理的 AGI 定義。這也更貼近大眾對 AGI 的理解 —— 大家認為 AGI 到來，就是 AI 能真正代替人工作，而不是某些企業(yè)為了公關(guān)、政策或融資而宣傳的其他標(biāo)準(zhǔn)。

主持人：我之前采訪過 2020 年諾貝爾物理獎得主 Sir Roger Penrose，他認為數(shù)學(xué)是封閉系統(tǒng)，AI 只是像玩游戲一樣處理它。吳教授，你難道不擔(dān)心根本不存在有效的 AI 測試嗎？

吳恩達：AI 測試或基準(zhǔn)的一個問題是：如果提前設(shè)定好測試集，就只能衡量 AI 的某一個特定維度。現(xiàn)在很多大模型都有標(biāo)準(zhǔn)基準(zhǔn)，比如 SweetBench、GBQA 等，研究團隊很難避免去針對已知測試集做優(yōu)化，哪怕不是直接針對。而且 AI 的智能是 “參差不齊” 的，有些方面很強，有些方面很弱。但大家心中的 AGI，是能完成人類所有智力任務(wù)的 AI。固定測試集基準(zhǔn)，和讓人類評委實時探索、檢驗 AI 的強弱，這兩者有很大區(qū)別。真正的 AGI，應(yīng)該讓人類評委找不到它在有經(jīng)濟價值的工作任務(wù)上明顯弱于人類的地方。

主持人：那基準(zhǔn)測試還在衡量真實有效的東西嗎？有時候基準(zhǔn)分數(shù)到 90%，用戶卻感覺 AI 更笨了。

吳恩達：我認為基準(zhǔn)測試確實在衡量真實的東西，但只是非常窄的一部分。很多基準(zhǔn)的弱點在于，我們更擅長設(shè)計客觀型基準(zhǔn)，比如數(shù)學(xué)題、事實類問題，有明確的對錯。但現(xiàn)實中大量事情沒有唯一最優(yōu)解，比如對話、寫研究報告，只有好壞程度之分。

我們很難設(shè)計出能衡量這些主觀、灰度空間的測試，而人類大量實際工作都處在這個灰度里?，F(xiàn)有的基準(zhǔn)在這方面表現(xiàn)很弱。

主持人：如果 2026 年實現(xiàn)不了 AGI，那我們可以期待什么？OpenAI 的總裁 Greg Brockman 說，2026 年 AI 的兩大方向會是智能體普及和科研加速。你怎么看？

吳恩達：我認為糾結(jié) AGI 反而會分散注意力，我們離它還很遠，短期內(nèi)也實現(xiàn)不了。但即便沒有 AGI，2026 年依然有大量極具價值的工作可以做、會繼續(xù)做。我提出了智能體式 AI（Agentic AI） 這個概念，這是一個正在崛起的趨勢。雖然構(gòu)建能落地的商業(yè)流程 AI 需要大量工作，但一旦做成，價值巨大。

2026 年及之后，會有大量工作投入到 AI 智能體與智能體工作流中，去完成高價值、高經(jīng)濟意義的任務(wù)。我在 AION 的團隊，已經(jīng)在用智能體工作流寫代碼、審查文件、檢查關(guān)稅合規(guī)、閱讀復(fù)雜法律文檔輔助律師工作、做醫(yī)療輔助任務(wù)、支持客服等。把人類完成這些任務(wù)的思考過程編碼進 AI 智能體或工作流，讓 AI 代勞，這件事會持續(xù)很多年，價值會非常巨大。

主持人：談到智能體工作流，“強化學(xué)習(xí)之父” Richard Sutton 有句名言：“純粹的算力終將勝過人類的巧思”。你專注做智能體工作流，難道不是和這個觀點相悖嗎？

吳恩達：Sutton 的《苦澀的教訓(xùn)》影響很大，寫得也很好。我先明確：我是支持規(guī)?；摹Ｎ覄?chuàng)立 Google Brain 時，給團隊的首要使命就是規(guī)模化—— 把神經(jīng)網(wǎng)絡(luò)做大、喂入大量數(shù)據(jù)?？梢哉f我是 AI 規(guī)模化時代最早的推動者之一，當(dāng)時很多人還覺得這很奇怪。也正是因為 Google Brain 以規(guī)模為核心基因，才誕生了 Transformer 架構(gòu)，它是史上擴展性最強的神經(jīng)網(wǎng)絡(luò)架構(gòu)，也推動了生成式 AI 革命。所以我真的相信規(guī)模化。但這不代表只靠規(guī)?；湍軐崿F(xiàn)所有目標(biāo)。在不同階段，規(guī)模化與注入其他知識需要取得平衡。規(guī)?；?guī)律確實存在，擴大系統(tǒng)和數(shù)據(jù)能較可預(yù)測地提升效果，這也成為融資的有力理由。但正因為規(guī)?；衅鋬r值，它被過度炒作了 —— 它很有價值，但沒被吹得那么神。而智能體工作流，可以在規(guī)?；竽Ｐ偷幕A(chǔ)上，再注入其他類型的知識，構(gòu)建更可靠、性能更強的工作流。

大模型 Scaling Law 結(jié)束了？

主持人：那你現(xiàn)在真的認為規(guī)?；臅r代已經(jīng)結(jié)束了嗎？

吳恩達：不，我不認為規(guī)?；瘯r代已經(jīng)結(jié)束。只是難度變得越來越大。AI 的進步可能呈指數(shù)級發(fā)展，但推動這種指數(shù)級進步所需的資金也同樣呈指數(shù)級增長。用指數(shù)級增長的投入換來指數(shù)級快速的提升，這并不算差，而且非常有價值，因為研發(fā)成本可以分攤到大量用戶身上。我認為規(guī)模化仍然有更多潛力可挖，但在現(xiàn)階段，它不再是提升 AI 的唯一途徑。

主持人：什么情況會改變你對規(guī)?；目捶?？

吳恩達：你是說什么會讓我放棄規(guī)?；?strong>如果在很長一段時間內(nèi)，進一步擴大模型規(guī)模都不再帶來收益，那我才會改變看法。

但有一個重要的補充：就像過去幾十年摩爾定律推動技術(shù)進步，但期間不斷有不同技術(shù)迭代，才能讓半導(dǎo)體持續(xù)變強。生成式 AI 早期的路徑很簡單：獲取更多數(shù)據(jù)、訓(xùn)練更大的模型。這正是十多年前 Google Brain 設(shè)立時的目標(biāo)。但現(xiàn)在，AI 模型幾乎已經(jīng)讀完了整個公開互聯(lián)網(wǎng)，這種簡單的規(guī)?；绞讲辉儆行?。因此現(xiàn)在很多團隊都在大力做合成數(shù)據(jù)生成，投入更多人力工程，研究不同的強化學(xué)習(xí)方案。所以即便規(guī)?；栽趲硎找?，過去兩三年里，實現(xiàn)規(guī)?；木唧w方式已經(jīng)發(fā)生了非常顯著的轉(zhuǎn)變。

主持人：從另一個角度看，一個更聰明的模型，能否直接勝過精巧的工作流？

吳恩達：理論上是可以的。我也希望事情這么簡單，但在實踐中，它比大多數(shù)人想象的要難得多。隨著模型越來越智能，比如 GPT-4.5、Gemini 3、GPT-5 等，我們確實越來越能直接給大模型一套工具，然后放手讓它去執(zhí)行任務(wù)。比如給它讀寫文件系統(tǒng)的權(quán)限，讓它清理硬盤冗余文件，效果確實非常驚人。但對很多工作流來說，可靠性還不足以投入生產(chǎn)環(huán)境。所以雖然更聰明的模型很好，但在大量實際商業(yè)場景中，團隊還是會把工作流拆解、分步實現(xiàn)，以保證穩(wěn)定可用，讓系統(tǒng)可以穩(wěn)定運行成千上萬次。

隨著模型越來越智能，我們確實在逐步放開限制，減少 “護欄”。我們半年前做的系統(tǒng)，約束和腳本會更多；現(xiàn)在我們會不斷拆掉腳手架，不再給非常詳細的分步指令，而是讓模型自己做決策。比如深度研究智能體，一兩年前我們還會規(guī)定：搜索多少次、下載多少頁面、如何總結(jié)?，F(xiàn)在的 AI 更有能力自己決定要不要繼續(xù)搜索、要不要總結(jié)。我經(jīng)常會把半年前、一年前的原型系統(tǒng)里的指令刪掉，讓模型自己判斷。但這方面還有很長的路要走。這類方式在深度研究這類場景可行，就算漏引文獻也問題不大；但對很多高風(fēng)險企業(yè)級場景，直接放任 AI 自主行動，可靠性差距仍然比一些人認為的要大，盡管這個差距正在縮小。

主持人：我想問一下你關(guān)于 Yann LeCun 與 Demis Hassabis 之爭的看法。Yann LeCun 認為，人類智能是專業(yè)化的，而非通用智能；Hassabis 則認為大腦是通用的學(xué)習(xí)系統(tǒng)。你站在哪一邊？

吳恩達：我不覺得這兩者有矛盾，可能是我沒理解到分歧點。在我看來，人類大腦（可以看作非人工的 AGI）最了不起的地方，是它的可塑性與學(xué)習(xí)能力。我理解的 AGI，不應(yīng)該是那種 “什么都已經(jīng)知道” 的 AI，那既困難也不現(xiàn)實。人類大腦在經(jīng)濟活動中如此有價值，原因之一就是它能學(xué)習(xí)去做新的事情。正是通過學(xué)習(xí)，我們才獲得了高度專業(yè)化的能力。比如一個大腦可以通過數(shù)學(xué)博士訓(xùn)練，去解決極難的數(shù)學(xué)問題，最終成為高度專業(yè)化的智能；但同一個大腦，如果接受不同訓(xùn)練，也可以成為國際象棋大師、網(wǎng)球高手。所以人類大腦的 “通用”，不在于它生來什么都懂，而在于它能適應(yīng)、能學(xué)習(xí)極廣泛的事情。

主持人：這聽上去你其實更偏向 Yann LeCun？

吳恩達：是的。當(dāng)年我創(chuàng)立 Google Brain 時，有個理念對我影響很大，現(xiàn)在大家提得少了：人類的學(xué)習(xí)可能來自單一的學(xué)習(xí)算法。我們的 DNA 長度有限，攜帶的信息不多，但 DNA 編碼出了大腦的生理結(jié)構(gòu)，而大腦是一個相當(dāng)通用的學(xué)習(xí)算法。正因如此，大腦才能學(xué)會做數(shù)學(xué)博士、騎摩托車、用電腦、在呼叫中心工作。正是這套通用學(xué)習(xí)算法，讓大腦可以通過學(xué)習(xí)，在幾乎任何領(lǐng)域變得專業(yè)。是這種學(xué)習(xí)能力，讓智能顯得 “通用”。

主持人：幾個月前有人說，谷歌注定失敗，因為他們只是把 AI 嫁接在舊搜索上，而 OpenAI 是從頭構(gòu)建。你認為谷歌能把舊體系和新技術(shù)結(jié)合起來嗎？競爭已經(jīng)開始了，這難道不令人激動嗎？

吳恩達：Sam Altman 曾是我在斯坦福的學(xué)生，我在谷歌也有很多朋友。我既支持 OpenAI，也支持谷歌?；仡櫦夹g(shù)變革的歷史，每當(dāng)出現(xiàn)顛覆性技術(shù)時，有時是新入局者勝出，有時是老牌企業(yè)勝出，雙方都有機會。這場博弈還遠未結(jié)束。以互聯(lián)網(wǎng)變革為例，谷歌是伴隨互聯(lián)網(wǎng)崛起的公司，但微軟、蘋果這些早在互聯(lián)網(wǎng)出現(xiàn)前就成立的老牌企業(yè)，同樣發(fā)展得很好。顯然，AI 對谷歌這類現(xiàn)有企業(yè)極具顛覆性，但谷歌的應(yīng)對做得不錯。Gemini 3 是非常出色的模型，我認為它優(yōu)于 ChatGPT。我自己經(jīng)常同時使用 Gemini、ChatGPT、Claude 等多款模型。

主持人：你多次談到 AGI。五年前，能解決任何編程問題都會被稱作 AGI，如今我們已經(jīng)實現(xiàn)了，卻只把它當(dāng)成工具。

吳恩達：其實我并不喜歡談?wù)?AGI，但其他人討論得太多、炒作得太厲害。作為行業(yè)從業(yè)者，我認為 AGI 被嚴重過度炒作了。至少在大眾認知里，AGI 是 AI 達到人類水平的通用智能，我們離這一步還非常遙遠。我希望能實現(xiàn) AGI，但現(xiàn)實地說，我們還需要幾十年甚至更久。認為再過幾個季度就能實現(xiàn) AGI，這是不可能的，除非重新定義、降低 AGI 的標(biāo)準(zhǔn)。

AI 發(fā)展史上曾出現(xiàn)過幾次 AI 寒冬，正是因為人們過度炒作，期望過高無法兌現(xiàn)，最終投資和關(guān)注度崩塌，這對行業(yè)傷害很大。如今 AI 效果很好、價值巨大，幾乎沒有什么能阻擋它的發(fā)展勢頭。我真正擔(dān)心的問題之一，就是過度炒作導(dǎo)致失望，進而引發(fā)泡沫破裂，這對世界和 AI 領(lǐng)域都不是好事。因此，給 AGI 降溫，是為 AI 行業(yè)實現(xiàn)更可持續(xù)發(fā)展打下基礎(chǔ)。

主持人：那你認為我們是在移動目標(biāo)門檻嗎？也就是說在降低 AGI 的判斷標(biāo)準(zhǔn)？

吳恩達：我不記得有靠譜的團隊宣稱已經(jīng)實現(xiàn) AGI。我記得很多團隊說 AGI 很快就會到來，但三年前他們也沒說自己已經(jīng)做成了。到目前為止，還沒有人真正做到。

如果非要說變化，反而是很多團隊在試圖降低 AGI 的定義門檻。AGI 原本的標(biāo)準(zhǔn) —— 能完成人類任何智力任務(wù)，是非常高的標(biāo)準(zhǔn)，我們遠未達到。但如果團隊提出更容易實現(xiàn)的定義，就可以宣稱更快達成。我不介意如何定義 AGI，但問題在于，大眾心中的 AGI 就是類人通用智能。當(dāng)不同團隊用不同定義套上 “AGI” 這個詞時，這個詞就失去了意義。就像 “藍色” 本來有明確指向，如果所有人把各種顏色都叫作藍色，這個詞就不再有共識?，F(xiàn)在 AGI 就是這種情況。有人用狹隘的技術(shù)定義宣稱 AGI 即將到來，而公眾卻理解為 “兩年內(nèi) AI 就會擁有人類智能”，這與事實不符。

主持人：那我們現(xiàn)在到底處在什么階段？實現(xiàn)難度重要，還是實用價值更重要？

吳恩達：我認為實現(xiàn)細節(jié)和工程難度非常重要。比如 Anthropic 推出 Claude Code 及其 SDK，就是為了讓大家能更好地駕馭模型能力。提示詞如何構(gòu)造、提供哪些工具、整體框架如何設(shè)計，這些細節(jié)至今仍然至關(guān)重要。

舉個小例子：當(dāng)前模型已經(jīng)非常智能，調(diào)用工具的能力也在變強，但如果給大模型太多工具，會占用大量上下文窗口，模型更容易出錯，調(diào)用錯誤的 API 或工具。哪怕到了 2026 年，這些工程細節(jié)依然影響巨大。很多團隊使用 MCP（模型控制協(xié)議），如果 MCP 服務(wù)器里工具列表太長，會大量消耗上下文，模型反而無法有效選擇。這就需要上下文工程和合理的框架來讓決策更順暢。

主持人：Anthropic 預(yù)測持續(xù)學(xué)習(xí)（continual learning）會在 2026 年解決，你是否同樣期待？

吳恩達：我非常期待持續(xù)學(xué)習(xí)能被攻克。如果 2026 年真的完全實現(xiàn)，那會是驚人的突破。我認為我們會取得進展，持續(xù)學(xué)習(xí)非常重要。人類孩子學(xué)走路，只需要跌倒幾次就能學(xué)會；而強化學(xué)習(xí)往往需要數(shù)百萬次模擬。

主持人：我們只能靠暴力訓(xùn)練嗎？

吳恩達：暴力訓(xùn)練的問題在于，人類智能的核心是學(xué)習(xí)算法的通用性，這讓人類能極快地學(xué)會新事物。人類員工溝通后就能上崗工作，這非常有價值；但如果訓(xùn)練 AI 完成某項任務(wù)需要花費百萬美元，對很多任務(wù)來說就不劃算。如果樣本效率不重要，那只有極少數(shù)幾家公司能負擔(dān)得起訓(xùn)練前沿模型。

持續(xù)學(xué)習(xí)當(dāng)前最大的瓶頸是什么？

主持人：開源、開放權(quán)重模型與閉源模型的格局會如何演變？我們會走向 AI 寡頭壟斷嗎？

吳恩達：我不希望出現(xiàn)那樣的未來。以移動開發(fā)平臺為例，如今創(chuàng)新空間已經(jīng)不大，部分原因就是存在少數(shù)守門人 —— 在美國，做移動端開發(fā)需要獲得 iOS 或 Android 的許可，封閉平臺限制了很多創(chuàng)新。我們 AI 行業(yè)很多人都希望，未來不會出現(xiàn)只有兩三家守門人掌控前沿 AI 的局面。我希望所有人都能在大模型之上自由創(chuàng)新，開源與開放權(quán)重模型是避免出現(xiàn)少數(shù)守門人的關(guān)鍵。如果我們能保住 AI 行業(yè)如今比移動領(lǐng)域更高的創(chuàng)新自由度，就會涌現(xiàn)更多發(fā)明與應(yīng)用，整個社會也會因此更加豐富。

主持人：目前也有一些關(guān)于非文本表示的研究，但現(xiàn)在大部分記憶還是基于文本。而且我們搭建的這些記憶系統(tǒng)，基本都不會去更新大模型本身的權(quán)重，這是不是意味著我們還缺少關(guān)鍵的一塊拼圖？持續(xù)學(xué)習(xí)當(dāng)前最大的瓶頸是什么？

吳恩達：我認為我們還沒有找到正確的思路，或者說還不確定什么才是正確的方向。目前只有一些看上去有希望的想法，但我還沒來得及驗證，也不確定能不能成。這就像在問：一個還沒解決的重大科研問題，瓶頸到底是什么？因為路徑不清晰，我甚至沒法明確說出具體瓶頸是什么 ——我們就是還不知道該怎么做。

主持人：AI 知名學(xué)者 Eliezer Yudkowsky 認為，如果有人造出 AGI，人類會滅亡；但每年因為癌癥、衰老、疾病死去的人數(shù)以百萬計，而 AI 可能解決這些問題。你認為哪種風(fēng)險更大？

吳恩達：我讀他的很多觀點時，經(jīng)常理不清邏輯，有些論述在我看來循環(huán)性太強，我甚至不知道該怎么反駁。我認為 AI 今天已經(jīng)在為世界帶來巨大的正向價值，任何能加速 AI 進步的事，都會讓生活變得更好、拯救更多生命、讓更多人富裕、擺脫貧困。AI 的整體凈收益遠大于潛在危害。確實存在一些有害的應(yīng)用場景，我們應(yīng)該明確并清除這些場景。但就目前而言，我非常確信：推動 AI 進步對人類是有益的。

主持人：未來是不可預(yù)測的，對吧？我們是否需要更多 AI 安全工具？

吳恩達：未來當(dāng)然不可預(yù)測，但這不代表我們沒有高度確信的趨勢。讓計算機變得更智能，顯然是一件好事；讓智能觸手可及、實現(xiàn)民主化，也非常重要。因為世界上最昂貴的東西之一，就是 “智能”—— 請一位優(yōu)秀的醫(yī)生、優(yōu)秀的老師，成本都很高。當(dāng)然，我們應(yīng)該致力于讓 AI 系統(tǒng)更可靠、降低風(fēng)險。同時，大家身邊的人大多在專注于能創(chuàng)造價值的事。很多人對硅谷有刻板印象，覺得這里的人只在乎錢，這完全是錯的。我認識很多行業(yè)里的朋友，確實有極少數(shù)人只在乎利潤，但那是非常小的一部分。我認識十多年的很多同行，是真的想做正確的事。他們非常重視安全，認真對待負責(zé)任的 AI，會坐下來認真思考 AI 系統(tǒng)可能出現(xiàn)的各種問題，并盡力降低風(fēng)險。那種 “硅谷從業(yè)者只為利益不擇手段” 的印象，是完全不符合事實的。不可否認，面對幾十億美元的誘惑，確實有少數(shù)公司會動心，但那真的只是極少數(shù)。

開源時代結(jié)束了嗎？

主持人：開源時代結(jié)束了嗎？

吳恩達：開源現(xiàn)在發(fā)展得很好。一個有意思的現(xiàn)象是，目前很多頂尖的開源、開放權(quán)重模型來自中國。回顧過去幾年，每年可用的開源 / 開放權(quán)重模型都在快速增長，所以我認為開源生態(tài)非常強勁。同時，閉源方案也在快速發(fā)展，但這沒關(guān)系，重要的是開源選擇也在同步強勁增長。

主持人：回看 AI 發(fā)展的現(xiàn)階段，你心里在想什么？

吳恩達：我希望賦能每一個人去構(gòu)建 AI。作為開發(fā)者，我再也不想手動寫代碼了，我希望 AI 盡可能幫我寫代碼。AI 給軟件工程帶來的效率提升是非常明顯的。但很多人沒意識到的是：不只程序員，所有人都會因為會用 AI、會用 AI 搭建工具而受益。我在團隊里已經(jīng)看到這種現(xiàn)象：懂 AI 的營銷人員，效率遠超不懂 AI 的同行；我旗下 AI 基金的 CFO，會借助 AI 寫代碼，工作效率也遠高于不會用 AI 的 CFO。

AI 工具，尤其是用 AI 構(gòu)建軟件，將會是每個人都必須具備的重要新能力。有人擁抱這些能力，就能大幅提升生產(chǎn)力；也有人不愿接受，就可能被甩在后面。對此我其實挺擔(dān)心的。一個很大的挑戰(zhàn)是：大學(xué)系統(tǒng)的適應(yīng)速度偏慢，很多課程還在培養(yǎng)適應(yīng) 2022 年崗位的學(xué)生，而很多當(dāng)年的崗位現(xiàn)在已經(jīng)不存在了。企業(yè)現(xiàn)在極度缺乏懂 AI 的人才 —— 不只是程序員，而是營銷、招聘、財務(wù)等各行各業(yè)的人。把教育體系轉(zhuǎn)向讓學(xué)生和成年人都能使用這些工具、大幅提升效率，需要巨大的轉(zhuǎn)型。但現(xiàn)階段要真正做到，我認為仍然非常困難。

主持人：程序員會失業(yè)嗎？

吳恩達：不使用 AI 的程序員，處境會很艱難；而真正精通 AI 的程序員，生產(chǎn)力極高，市場上根本供不應(yīng)求。說他們會徹底消失有點夸張。

大多數(shù)崗位不會消失，但有句話說得很對：AI 不會取代人，但會用 AI 的人會取代不會用 AI 的人，這在很多領(lǐng)域都成立。坦白說，確實有少數(shù)崗位會被 AI 完全自動化。比如很多翻譯人員、配音演員，他們的工作面臨較大沖擊。對于這些會被完全自動化的少數(shù)崗位，我深表同情。作為 AI 從業(yè)者，我有責(zé)任幫助他們掌握新技能、重返職場，找到有意義的新工作。但對絕大多數(shù)崗位而言，AI 只能完成部分工作。比如放射科，AI 自動化的進程比人們預(yù)想的慢得多；法律行業(yè)受監(jiān)管保護，完全取代人類律師也很難。但不用 AI 的律師，效率會遠低于用 AI 的同行，因為 AI 在法律檢索等方面表現(xiàn)極佳。關(guān)鍵在于：如果 AI 能完成一項工作的 30%，剩下 70% 仍需要人來做，但這個人必須會用 AI，否則就會在效率上落后。

主持人：你能預(yù)測哪些工作最終會消失嗎？

吳恩達：明確會消失的，主要是那些幾乎 100% 的工作內(nèi)容都能被自動化的崗位，比如大量呼叫中心工作、翻譯、配音演員等。但絕大多數(shù)工作都復(fù)雜且多面，AI 擅長文本處理，在非文本領(lǐng)域能力有限。很多研究將工作拆解為具體任務(wù)后發(fā)現(xiàn)，AI 通常只能自動化 30%-40% 的工作，剩下 60%-70% 仍需人類完成。只有極少數(shù)崗位，AI 能覆蓋幾乎全部工作，這些崗位才會面臨危機，但這只是很小一部分。

主持人：你 2017 年離開百度，當(dāng)時的決定原因是什么？

吳恩達：我在百度的工作經(jīng)歷非常愉快。很多人好奇我從谷歌大腦到百度，再到創(chuàng)立 AI 基金和其他項目的原因。當(dāng)時我負責(zé)百度的 AI 團隊，團隊非常優(yōu)秀，在優(yōu)化在線廣告、網(wǎng)站等核心業(yè)務(wù)上做得很好。我看著組織架構(gòu)圖意識到，即便我離開，這支優(yōu)秀的團隊也能運轉(zhuǎn)良好。我發(fā)現(xiàn)自己工作中最有樂趣的部分，是創(chuàng)建新業(yè)務(wù)板塊。比如我?guī)ьI(lǐng)的百度自動駕駛團隊，至今在中國發(fā)展得很好；我負責(zé)的智能音箱團隊，如今也表現(xiàn)出色。雖然我能為母公司創(chuàng)造利潤，但我真正投入的是從零到一創(chuàng)建新業(yè)務(wù)。我覺得跳出大公司，創(chuàng)立 AI 基金這樣的風(fēng)投工作室，從零開始打造企業(yè)，或許能做得更好。因此我離開百度，創(chuàng)立了 DeepLearning.ai，繼續(xù)深耕 AI 教育，賦能更多人使用 AI；同時運營 AI 基金，孵化初創(chuàng)企業(yè)。

中美 AI 發(fā)展的差異

主持人：你認為中國現(xiàn)在在 AI 領(lǐng)域領(lǐng)先嗎？

吳恩達：目前美國在閉源大模型方面仍處于領(lǐng)先地位，但中國在開源、開放權(quán)重模型領(lǐng)域已經(jīng)大幅領(lǐng)先美國。過去一兩年，中國推出了大量頂尖的開源模型（如 DeepSeek、Qwen 系列等），全球開發(fā)者可免費下載使用，生態(tài)活力極強。中美都是 AI 領(lǐng)域的巨頭，中國憑借激烈的市場競爭、快速的技術(shù)傳播和強大的開源生態(tài)，擁有巨大的發(fā)展勢能。兩國各有優(yōu)勢，整體處于并跑、互補的狀態(tài)，而非一方絕對領(lǐng)先。

主持人：你對自己當(dāng)年的選擇不后悔嗎？

吳恩達：我和中國團隊一起做過一些工作，那段經(jīng)歷很棒。現(xiàn)在我和 DeepLearning.ai、AI Fund、Landing AI 等團隊合作也非常開心。我對現(xiàn)在做的事情很滿意，沒有遺憾。

主持人：單純從規(guī)模和動能來看，中國是不是更有活力？

吳恩達：中國有很多優(yōu)勢，美國也有很多優(yōu)勢。

主持人：接下來我們可以期待你的公司帶來什么？

吳恩達：我希望賦能每一個人用 AI 構(gòu)建東西。我們一直專注于幫助開發(fā)者用上最新工具，未來也會繼續(xù)做這件事。除了支持 AI 開發(fā)者發(fā)展職業(yè)、成長，我還想把范圍擴大，讓開發(fā)者和所有人都能用 AI 創(chuàng)造價值。這是 DeepLearning.ai 的重心。我離開百度的一個原因是：有些業(yè)務(wù)適合在谷歌、百度這樣的大公司內(nèi)部做，但有些業(yè)務(wù)不適合，比如關(guān)稅合規(guī)這類事情，互聯(lián)網(wǎng)公司不會重點關(guān)注。而 AI Fund 可以孵化各種各樣的創(chuàng)業(yè)公司，業(yè)務(wù)類型非常多元，我對此很期待。另外，AI Aspire 是我和朋友新啟動的項目，和貝恩等機構(gòu)合作，為大型企業(yè)提供 AI 咨詢。想要真正推動 AI 落地，開發(fā)者很重要，個人用戶很重要，大型企業(yè)同樣關(guān)鍵。我們花了很多精力，幫助大企業(yè)用 AI 創(chuàng)造真實價值、獲得競爭力。

主持人：你還把自己定位成 AI 傳播者、溝通者，為什么？

吳恩達：這觸及到我最核心的價值觀。我做事有兩個最高優(yōu)先級：第一，讓人類變得更強大。這是我做研究員、在斯坦福當(dāng)教授的原因 —— 通過研究、發(fā)明新技術(shù)，推動前沿發(fā)展，讓人類更強大。第二，幫助他人實現(xiàn)他們的夢想，而不是把我的夢想強加給別人。如果我們能給別人工具和技能，他們就更有機會實現(xiàn)自己的夢想。這也是我做教育一直以來的動力。

主持人：回顧你的人生，如果時光可以倒流，你會改變什么決定嗎？

吳恩達：當(dāng)然有很多事我會換一種做法。我很幸運，做對了一些決定，但也做錯了很多。比如是否該聘用某個人、是否該堅持某個項目、是否該更努力而不是放棄。但整體上，我接受這一路的經(jīng)歷。

主持人：如果關(guān)于世界本質(zhì)，你只能弄明白一個問題，你會選什么？

吳恩達：我希望能理解智能的本質(zhì)。

主持人：你是指意識嗎？物質(zhì)如何在人腦中變成意識？

吳恩達：其實不是意識。意識是重要的哲學(xué)問題，但我不懂什么是意識。哲學(xué)上的意識是指 “自我感知”，但你無法確認我是否真的有意識，我也無法確認你有。我們只是出于禮貌，假定彼此都有意識。因為意識無法被測量，所以它是哲學(xué)問題，不是科學(xué)問題。而我更關(guān)注科學(xué)問題：智能的本質(zhì)到底是什么？人腦或其他生物大腦，究竟是通過什么機制，表現(xiàn)出如此廣泛的智能行為？它到底是怎么運行的？很多人不知道，在創(chuàng)立 Google Brain 之前，我花了大量時間和神經(jīng)科學(xué)家朋友交流，讀了成堆的神經(jīng)科學(xué)論文，最后得出結(jié)論：神經(jīng)科學(xué)目前基本還不知道大腦是如何工作的。所以我放棄了從神經(jīng)科學(xué)直接造智能的路線。但我很確定，智能不只是一個靠規(guī)模放大的 Transformer，肯定還有更多東西。我真心希望能搞懂它。

主持人：包括推理的本質(zhì)嗎？

吳恩達：對，推理是智能的一部分。能真正理解推理如何工作，也會非常迷人。

主持人：為什么西方世界看起來這么不快樂？

吳恩達：我不認同 “西方世界普遍不快樂” 這種概括。你不會從一杯水里尋找快樂，但水讓你更健康。同樣，把快樂寄托在 AI 上是一種誤區(qū)。AI 能支撐我們、幫助我們創(chuàng)造、賦予我們技能，但快樂更多來自內(nèi)心，而不是我們創(chuàng)造的工具。真正的快樂，更多來自努力幫助他人的過程。我希望通過 AI 工作幫助別人，也在做對他人有用的工作中獲得了很多快樂。

https://www.youtube.com/watch?v=4vzmTKUFtxg&t=57s

聲明：本文為 InfoQ 整理，不代表平臺觀點，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

2026，AI 正在以更工程化的方式深度融入軟件生產(chǎn)，Agentic AI 的探索也將從局部試點邁向體系化工程建設(shè)！

QCon 北京 2026 已正式啟動，本屆大會以“Agentic AI 時代的軟件工程重塑”為核心主線，推動技術(shù)探索從「AI For What」真正落地到可持續(xù)的「Value From AI」。從前沿技術(shù)雷達、架構(gòu)設(shè)計與數(shù)據(jù)底座、效能與成本、產(chǎn)品與交互、可信落地、研發(fā)組織進化六大維度，系統(tǒng)性展開深度探索。開往 2026 的 Agentic AI 專列即將啟程！匯聚頂尖專家實戰(zhàn)分享，把 AI 能力一次夯到位！